Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Gestion Optima
de la Energa en Microrredes con Generacion Renovable
Carlos Bordonsa,, Felix Garca-Torresb , Luis Valverdec
a Departamento
b Unidad
de Ingeniera de Sistemas y Automatica, Universidad de Sevilla. Camino de los descubrimientos s/n, 41092 Sevilla, Espana
de Simulacion y Control, Centro Nacional del Hidrogeno. Prolongacion Fernando el Santo, s/n, 13500 Puertollano, Ciudad Real, Espana.
c Departamento de Ingeniera Energ
etica, Universidad de Sevilla. Camino de los descubrimientos s/n, 41092 Sevilla, Espana
Resumen
Este artculo se centra en los temas relacionados con la operacion o ptima de las microrredes, que son conjuntos de cargas,
generadores y sistemas de almacenamiento de energa, aislados o conectados al resto de la red electrica, que pueden ser gestionados
de manera coordinada para suministrar electricidad de forma able. Se aborda la problematica y las soluciones de control tanto para
la gestion del reparto de la carga entre los distintos generadores y almacenamiento como para la integracion de la microrred en el
mercado electrico. Se presentan disenos de controladores en el marco del Control Predictivo Basado en Modelo (Model Predictive
Control, MPC) para casos que incluyen diversas fuentes renovables, como energa solar y eolica, y almacenamiento hbrido con
hidrogeno, lo que permite gestionar el balance de energa en distintas escalas de tiempo. Se muestran algunos resultados experimentales en una microrred de laboratorio as como estudios de planicacion para el mercado electrico. Los resultados obtenidos indican
que el desarrollo de controladores adecuados facilitara una participacion competitiva de las energas renovables y la integracion de
c 2015 CEA. Publicado por Elsevier Espana, S.L.
las microrredes en el nuevo modelo de sistema electrico. Copyright
Todos
los
S.L.U.
Todos
los
derechos
reservados
derechos
reservados.
Palabras Clave: Microrredes, Energas Renovables, Control Predictivo, Gestion de la Energa, Sistema Electrico.
1.
Introduccion
La transicion del sistema energetico actual basado en combustibles fosiles a un nuevo sistema con implantacion de energas
renovables y sistemas electricos de transporte requiere el desarrollo de nuevos algoritmos de control que permitan gestionar
los aspectos relacionados tanto con la intermitencia y la distribucion de la generacion como con los nuevos perles de consumo. Las redes actuales de distribucion electrica operan a veces
proximas a su maxima capacidad y deben adaptarse a frecuentes cambios para afrontar retos medioambientales y mejorar su
conanza y sostenibilidad. Estos retos se satisfacen mediante la
efectiva integracion y coordinacion de generadores distribuidos
(Distributed Generator, DG), que facilitan la explotacion de los
recursos renovables (solar, eolico) y alternativos, como pilas de
combustible. Mientras que las formas tradicionales de produccion energetica, controlables desde el origen, permiten ajustar
la produccion a la demanda, la implantacion de las nuevas tecnologas basadas en recursos renovables con ciclos uctuantes
obliga a proporcionar nuevas soluciones a problemas nunca antes planteados. La adopcion masiva de las energas renovables
Autor
en correspondencia.
Correos electronicos: bordons@us.es (Carlos Bordons),
felix.garcia@cnh2.es (Felix Garca-Torres), lvalverde@etsi.us.es
(Luis Valverde)
plantea por tanto nuevos retos tecnologicos, ya que su inherente intermitencia asociada a la climatologa las hace difcilmente
gestionables.
El sistema electrico tradicional se ha basado en la gestionabilidad que permite la energa almacenada por la propia naturaleza durante anos en los combustibles fosiles. La transicion
a un nuevo modelo energetico estara sujeta a la superacion de
ciertas barreras tecnologicas debidas a la aleatoriedad propia de
las fuentes de generacion renovable. La penetracion actual de
los sistemas de generacion renovable en la red electrica, especialmente con los desarrollos obtenidos para la energa eolica y
fotovoltaica, comienza a ocasionar impactos en la red electrica,
como pueden ser la variacion de la magnitud del voltaje de suministro y el incremento del desbalance entre la potencia activa
y reactiva entre las fuentes de generacion. La falta de gestionabilidad, as como la penalizacion por desvos en el mercado de
casacion, diculta la competitividad economica de las energas
renovables en el mercado energetico. Los sistemas de almacenamiento de energa aparecen como solucion tecnologica a la
controlabilidad de las energas renovables permitiendo su introduccion en el mercado diario de energa.
La concepcion de la red electrica en unidades mas pequenas
de gestion donde el almacenamiento de energa compense tanto las uctuaciones de generacion renovable como la aletorie-
2015 CEA. Publicado por Elsevier Espaa, S.L.U. Todos los derechos reservados
http://dx.doi.org/10.1016/j.riai.2015.03.001
118
Generalidades
Las microrredes estan formadas por diversas fuentes de generacion, en general renovables, y diversos tipos de almacenamiento, que pueden operar tanto en modo aislado como conectadas a la red principal (Lopes et al., 2006), (Hatziargyriou
et al., 2007). La microrred opera en baja tension y se puede considerar como la estructura basica para las nuevas redes electricas denominadas Redes Inteligentes o Smart Grids. De este modo, la red percibe a la microrred como un elemento individual
que responde a las senales de control apropiadas, es decir, se
puede considerar como un conjunto de cargas y generadores
que opera como un u nico sistema controlable. La gura 1 muestra un ejemplo de una microrred con diversos tipos de generacion y almacenamiento. El paradigma de las microrredes puede
permitir la integracion masiva de la generacion distribuida (especialmente la renovable), ya que los problemas pueden resolverse de forma descentralizada, reduciendo la necesidad de una
coordinacion centralizada que sera extremadamente compleja.
Ademas de este benecio generico para el sistema electrico, se
aumenta la abilidad a nivel local de la microrred, se permite
una mejor calidad de suministro (Jiay et al., 2008) y tambien
se abre la posibilidad de que la microrred acceda al mercado
electrico como un agente mas.
Las microrredes pueden operar tanto en modo aislado como conectadas a la red principal, debiendo gestionar la transicion de manera adecuada. En el modo de conexion a red, la frecuencia y tension vienen jadas por la red principal, que tiene
generadores sncronos y grandes reservas rodantes, y se producira importacion o exportacion de energa segun determinados
criterios tanto de operacion (control de la potencia activa y reactiva) como economicos (precio de la energa).
La conmutacion a modo aislado puede producirse por diversos motivos y puede ser intencionada o no. En el primer caso, es debido a situaciones como mantenimiento planicado o
Calidad de Suministro
Gestin Energa
Supercondensador
cuando la mala calidad de la red principal pueda poner en peligro la operacion de la microrred. Pero en general, la desconexion se debera a perturbaciones graves o fallos desconocidos,
por lo que una deteccion temprana de las causas que provocan la desconexion es de gran interes para la seguridad tanto
de las personas como de los equipos, de manera que se puedan activar los cambios requeridos en la estrategia de control.
Existen muchos trabajos relacionados con algoritmos de deteccion, tanto pasivos (que se basan en medidas de frecuencia y
voltaje) como activos (basados en inyeccion de perturbaciones)
(Funabashi et al., 2003). En el modo aislado, los sistemas de
almacenamiento deben conseguir el balance de potencia inyectando o absorbiendo potencia activa de forma proporcional a
la desviacion de frecuencia. El proceso de restauracion a modo
conexion a red debe contemplar la sincronizacion con la red y
tener en cuenta aspectos como el balance de potencia reactiva y
la coordinacion de los distintos DGs (Vasquez et al., 2010).
Un tema de crucial importancia en la operacion de las microrredes es el almacenamiento de energa, ya que permite compensar los desbalances entre la generacion y el consumo, posibilitando una adecuada calidad de suministro. Sin embargo,
no existe la tecnologa de almacenamiento perfecta y todas tienen sus limitaciones en cuanto a densidad de potencia/energa,
tiempo de respuesta/tiempo de autonoma, coste economico y
ciclo de vida. En la gura 2, se hace una clasicacion de las
tecnologas de almacenamiento dependiendo de la densidad de
potencia y densidad de energa de cada tecnologa, asignandole
la aplicacion para la cual es o ptima. Los sistemas de almacenamiento hbrido permiten abarcar todo el espectro de aplicaciones.
El almacenamiento ofrece la oportunidad de decidir la operacion o ptima de la microrred tanto si e sta trabaja en modo isla
como en el modo de conexion a red, en cuyo caso se pueden
gestionar los momentos o ptimos para intercambiar energa con
la red externa. La posibilidad de disponer de un sistema hbrido
con diversas tecnologas (Ferrari-Trecate et al., 2004), (Greenwell and Vahidi, 2010) resulta de gran interes. En concreto, el
almacenamiento en forma de hidrogeno unido a bateras electricas y supercondensadores parece ser una solucion adecuada para generacion renovable (Jiay et al., 2008). La utilizacion de
hidrogeno como medio de almacenamiento de energa electrica de origen renovable se basa en la posibilidad de producir
este hidrogeno mediante electrolisis, almacenarlo en diferentes
formas (baja o alta presion, hidruros metalicos, etc.), y poste-
minutos
Reserva de giro
Capacidad de black start
Suministro ininterrummpido
de potencia
Volante de inercia
SMES
119
horas
Almacenamiento picos energa
Nivelado de carga
Comercializacin de energa
Integracin de intermitencia de
fuentes renovables
Redes Aisladas
Aire Comprimido
Bateras
Bateras de flujo
Bombeo
hidralico
Hidrgeno
riormente utilizarlo para generar nuevamente electricidad, principalmente en pilas de combustible, en aplicaciones estacionarias o moviles o bien para su utilizacion como combustible en
vehculos con pila de combustible.
En la actualidad existen muchos proyectos en marcha para
demostrar el concepto de microrred. Entre ellos se encuentran
varias instalaciones en Canada (Hajimiragha and Zadeh, 2013),
en Europa y EE.UU. Trends, y los proyectos en Huatacondo
en Chile (Palma-Behnke et al., 2013) y NEDO en Japon (Hatziargyriou et al., 2007). Estos y otros proyectos han demostrado
su ecacia en diversas situaciones, como los que se presentan
en (Lidula and Rajapakse, 2011) para otros pases. Tambien las
microrredes han atrado gran interes debido a su tremendo potencial de aplicacion en a reas remotas, donde el suministro de
energa presenta numerosos retos en terminos de transmision
y distribucion (Palizban, 2011). Por detallar algunos de estos
proyectos, en (Rigo-Mariani et al., 2013) se describe la operacion de una microrred para una zona industrial con una potencia instalada de 156 kW que tiene un generador fotovoltaico de
175 kW y un almacenamiento en forma de volantes de inercia
de 100 kW/100 kWh. Por su parte en (Hakimi et al., 2013) se
aborda el problema del dimensionamiento o ptimo de una microrred usada para trigeneracion, proporcionando calefaccion,
refrigeracion y energa electrica a una zona residencial. El problema de optimizacion proporciona las dimensiones adecuadas
de pila de combustible, aerogenerador, electrolizador, reformador, reactor anaerobio, maquina de refrigeracion por absorcion
y depositos de almacenamiento termico y de hidrogeno.
En (Valverde, 2013) se recoge un estudio detallado sobre
varios proyectos de demostracion con microrredes, centrado en
aquellas que usan hidrogeno como almacenamiento. En concreto, se muestran las principales caractersticas de 32 plantas que
integran generacion renovable (15 de ellas fotovoltaica, 16 eolica y una mixta) con sistema de almacenamiento de hidrogeno
en sus diversas formas.
120
3.
Control de microrredes
3.1.
Problematica
El objetivo del control de una microrred es proporcionar
la energa demandada por las cargas haciendo uso de la generacion y los sistemas de almacenamiento de forma eciente y
able tanto en condiciones normales como durante las contingencias, independientemente de la conexion a la red externa.
Los benecios economicos y medioambientales de las microrredes y, en consecuencia, su aceptacion y grado de penetracion
en el sistema electrico, vienen marcados en gran medida por
las capacidades del sistema de control y sus caractersticas de
operacion.
Las microrredes introducen un numero de retos operacionales que deben tenerse en cuenta en el diseno de sus sistemas de
control y proteccion, debido a ciertas particularidades que las
distinguen de otros sistemas. Las mas relevantes son (Olivares
et al., 2014):
Flujos de potencia. A diferencia de las redes convencionales, la integracion de DGs en baja tension puede causar
ujos de potencia bidireccionales y dar lugar a complicaciones en los sistemas de proteccion o a patrones de ujo
indeseados.
Estabilidad. Pueden aparecer oscilaciones locales debido
a la interaccion de los sistemas de control de los DGs y a
la problematica de las transiciones entre el modo aislado
y el modo de conexion a red.
Modelo de la red. Las hipotesis generalmente aceptadas
de tres fases equilibradas, lneas de transmision inductivas y cargas constantes ya no tienen por que ser validas,
lo que conlleva la necesidad de adaptar los modelos a la
nueva situacion. Una microrred esta inherentemente sujeta a un desbalance de carga por las propias unidades
DGs.
Baja inercia. Las caractersticas dinamicas de los recursos DGs, especialmente de aquellos que estan acoplados
electronicamente, son diferentes de los basados en grandes turbinas de generacion. Si no se implementan los mecanismos de control adecuados, la baja inercia del sistema puede dar lugar a desviaciones considerables de la
frecuencia en el modo de operacion aislado.
Incertidumbre. En las microrredes existe una mayor incertidumbre en cuanto a la demanda y, sobre todo a la
generacion, ya que el uso de energas renovables provoca que la generacion este unida a las condiciones ambientales. Por tanto, una operacion able y con criterios
economicos debe considerar el pronostico del tiempo.
En estas circunstancias, el sistema de control debe asegurar
una operacion able de la microrred. Las principales funciones
que se le pueden solicitar al sistema de control en la microrred
son (Bidram and Davoudi, 2012) (Olivares et al., 2014):
121
122
bles de tipo conexion/desconexion o cambio en el comportamiento de los equipos durante la operacion (por ejemplo distinta eciencia de carga y descarga en las bateras), en cuyo caso
el problema es un MPC hbrido, como el mostrado en (Garcia
and Bordons, 2013a).
El uso de estrategias de MPC distribuido (Maestre and Negenborn, 2014) puede resolver diversos problemas en la operacion. En primer lugar, los DGs pueden tener distintos propietarios, lo que conlleva que muchas decisiones se deban tomar de
forma local, haciendo difcil un control centralizado. Ademas
las microrredes pueden operar en un mercado liberalizado, lo
que hace que las acciones locales se deban calcular teniendo en
cuenta las acciones de los otros agentes. Este tema resulta de
especial interes en el caso de microrredes conectadas entre s.
En escalas de tiempo mas grandes existen diversos trabajos
sobre la optimizacion del dimensionamiento de la microrred,
intentando optimizar los costes de operacion en tiempo de meses o incluso anos. En (Hakimi et al., 2013) se presenta una
aplicacion a una microrred para una zona residencial usando
algoritmos geneticos, en la que se calcula tanto el numero necesario como la capacidad de los distintos componentes de la
microrred, incluyendo generacion solar y eolica y distintos tipo
de almacenamiento, as como la gestion combinada de electricidad y calor (Combined Heat and Power, CHP).
4.
Operacion o ptima
En esta seccion se aborda el problema de la operacion o ptima de una microrred a nivel de calculo de ujos de energa,
correspondiente al nivel terciario de la estructura jerarquica. Se
presenta un controlador operando a una escala de tiempo pequena, lo que permite la reaccion a las perturbaciones tanto en
la generacion renovable como en los cambios en la demanda
electrica. Ademas, se tiene en cuenta el intercambio de energa
con la red principal y el coste asociado a ello. Se presenta una
aplicacion desarrollada sobre una microrred real a escala de laboratorio con generacion renovable y almacenamiento hbrido,
que incluye bateras electricas e hidrogeno. El controlador va
calculando en tiempo real las potencias que deben inyectar en
la microrred cada uno de los sistemas de almacenamiento para
ajustar la generacion renovable y la demanda, haciendo uso de
la red externa cuando sea necesario. El calculo de dichas potencias se hace minimizando una funcion de coste que considera
parametros economicos e incluyendo predicciones del aporte
renovable, mediante un controlador MPC. Este tipo de control
se puede encontrar tambien en otras aplicaciones, como Prodan
and Zio (2014) donde se presenta un MPC para otro tipo de microrred que incluye tolerancia a fallos, o en Xie and Ilic (2008),
Xie and Ilic (2009) para el despacho en sistemas electricos de
potencia considerando criterios economicos y medioambientales.
Descripcion de la microrred de laboratorio
La motivacion de la construccion de la microrred fue el
desarrollo de una instalacion experimental exible para la investigacion en la integracion de las energas renovables con el
4.1.
vector hidrogeno. La instalacion tiene especiales caractersticas que le permiten implementar y estudiar diferentes modos
de operacion y estrategias de control. El sistema dispone de una
estructura modular con el objetivo de alcanzar un alto grado de
exibilidad en relacion a las topologas de sistemas y componentes que pueden ser investigados Valverde et al. (2013a). Los
principales componentes son una fuente electronica programable para emular diversas fuentes de energa renovable (solar,
eolica, mareomotriz, etc.), un electrolizador tipo PEM (Proton Exchange Membrane) para la produccion de hidrogeno, un
deposito de hidrogeno basado en hidruros metalicos, un banco de bateras de plomo-acido, una pila de combustible tipo
PEM y nalmente una carga electronica programable para emular diferentes condiciones de demanda, como una vivienda o
un vehculo electrico. La instalacion dispone ademas de todos
los dispositivos auxiliares para el correcto funcionamiento de
la planta. Tales como: desionizador de agua, agua de refrigeracion y calefaccion, nitrogeno para inertizacion, detectores de
fugas, etc. La gura 3 muestra una imagen del sistema donde
se pueden observar los equipos principales anteriormente mencionados. La gura 4 muestra un esquema de la planta, cuyas
caractersticas tecnicas se encuentran resumidas en la Tabla 1.
Para la operacion de la microrred hay que tener en cuenta que, normalmente, la energa producida no coincidira con la
demandada. Entonces, el posible exceso de energa procedente
Equipo
Fuente Electronica programable
Carga Electronica programable
Electrolizador PEM
Deposito de hidruros metalicos
Pila de combustible PEM
Banco de bateras plomo-acido
Puricador de agua
PLC
Convertidores DC-DC
Valor nominal
6 kW
2.5 kW
0.23 Nm3/h a 1 kW
7 Nm3, 5 bar
1.5 kW a 20 Nl
C120=367 Ah
3 L/h a 15M
M340-Canbus
1.5kW, 1 kW
123
Bateras
Demanda
Ppv
Pload
Pbat
Pgrid
Tanque de
hidruros
metlicos
Red elctrica
Pila de combustible
J=
Nu
[1 P2f c (t + k) + 2 P2ez (t + k) + 3 P2grid (t + k)+
k=1
4 P2net (t + k) + 1 P2f c (t + k) + 2 P2ez (t
3 P2grid (t + k) + 4 P2net (t + k)]+
N
[1 (S OC(t + k) S OC re f ) + 2 (MHL(t + k) MHLre f )]
+ k)+
k=1
(1)
Donde N representa el horizonte de prediccion, Nu el de
control, i son los pesos asociados al uso de los equipos, mientras que i son los pesos asociados a las variaciones de potencia
de los mismos. El error en el seguimiento de las referencias
se penaliza con los pesos i . Tanto los pesos de la funcion de
coste, como los valores de horizontes de control, de prediccion
y tiempo de muestreo se han ajustado mediante simulaciones
empleando una herramienta de simulacion informatica desarrollada en Valverde et al. (2013b).
4.3. Resultados experimentales
El controlador predictivo descrito anteriormente ha sido implementado en la instalacion experimental para vericar su funcionamiento en condiciones reales de operacion. Los resultados
experimentales obtenidos se muestran en la gura 6. En este experimento se representa el caso de un da despejado con alto nivel de irradiancia. En este caso se tiene como fuente renovable
un campo fotovoltaico que genera 15.9 kWh a lo largo del da y
una demanda de una vivienda unifamiliar tpica, que a lo largo
del da se corresponde con 14.7 kWh de consumo electrico.
124
2000
1500
Demanda
1500
Batera
FC
Red (comprada)
1000
FV
Potencia (W)
Potencia (W)
1000
500
0
500
500
500
1
10 11 12 13
tiempo (h)
14 15
16
17 18
19
80
20 21
22
NHM
SOC
1000
0
60
1000
0
40
0
10 11 12 13
tiempo (h)
14 15
16
17 18
19
20 21
22
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tiempo (h)
60
NHM
SOC
40
20
0
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tiempo (h)
125
Figura 8: Estructura y gestion del mercado electrico de la peninsula iberica (Fuente: REE)
5.1.
El mercado electrico
El mercado electrico es un sistema complejo donde se genera en cada instante la cantidad de energa necesaria para abastecer las variaciones de carga que el consumo necesita en cada
instante (Pinson et al., 2007; Holttinen, 2005). El intercambio
de energa primero tiene lugar en el mercado diario, donde los
agentes1 de mercado (compradores y vendedores) tienen que
proponer antes del cierre de la sesion la cantidad de energa
y el precio de venta para cada uno de los periodos en los que
se divide el mercado diario. Una vez realizada la casacion de
energa los agentes son responsables de cualquier desvo de
energa en las ofertas realizadas. Ciertos mercados electricos
contemplan tambien la posibilidad de realizar acciones correctivas a las ofertas realizadas en sesiones de mercado intradiario
que tienen lugar en el desarrollo del periodo de planicacion
energetica del mercado diario. En la gura 8, se pueden observar los distintos mecanismos de gestion y estructura que rigen
el mercado electrico de la peninsula iberica y que son muy similares a los usados en otras partes del mundo.
El funcionamiento de los sistema electricos se encomienda
habitualmente a dos entidades independientes, que son el Operador del Mercado2 y el Operador del Sistema3 . El Operador
1 Entidad que puede acudir como participante en el mercado el
ectrico, tanto
para compra como venta de energa. Pueden actuar como agentes del mercado
los productores, distribuidores y comercializadores de electricidad, as como los
consumidores cualicados de energa electrica y las empresas o consumidores,
residentes en otros pases, que tengan la habilitacion de agentes externos.
2 Sociedad mercantil que asume la gesti
on del sistema de ofertas de compra y
venta de energa electrica en el mercado diario e intradiario de energa electrica
en los terminos que reglamentariamente se establezcan.
3 Sociedad mercantil que tiene como funci
on principal garantizar la continuidad y seguridad del suministro electrico y la correcta coordinacion del sis-
del Sistema tiene como mision asegurar la calidad y continuidad del suministro de energa electrica en tiempo real. Para variaciones rapidas de carga y problemas imprevistos en cuanto a
la capacidad de generacion, el Operador del Sistema tiene a su
disposicion reservas de energa, cuyo uso repercute en la aplicacion de penalizaciones por desvo tanto positivo como negativo a los agentes de mercado que incumplen su planicacion.
Estas penalizaciones dicultan la introduccion de las energas
renovables en el mercado electrico de la energa. El mercado de
energa diario cierra a las 8h del da anterior al cual la energa
es producida, teniendo que hacer la planicacion de generacion
para el da siguiente de 0-24h, usualmente distribuido por horas.
Cualquier desviacion respecto a esta planicacion requiere de
acciones correctivas en las sesiones de mercado intradiario, o
bien, mediante la aplicacion de las penalizaciones del operador
del sistema en el mercado de servicio de regulacion.
La introduccion de los sistemas de almacenamiento de energa
no solo permitira a las energas renovables actuar en el mercado de la energa pudiendo corregir las desviaciones frente a la
planicacion realizada, sino que ademas posibilitara una planicacion economica mejor facilitando la venta de energa en
aquellos periodos en los que el precio es mayor. En funcionamiento en microrred, se podra comprar energa en aquellos periodos de menor precio de la energa para abastecer las cargas
y autoabastecer a las cargas en aquellos periodos en los que el
precio de la energa electrica es elevado.
126
5.2.
Planicacion del mercado diario de microrredes con almacenamiento hbrido usando MPC
En esta seccion, se muestra la planicacion economica de la
microrred para el mercado diario (Garcia and Bordons, 2013a).
La explotacion o ptima de la microrred se basa en optimizar el
ujo de energa entre los distintos recursos de la micrrored, bien
la compra/venta de energa con red, bien la generacion de hidrogeno mediante el electrolizador (elz), carga(car)/descarga(des)
de la batera (bat) o generacion de electricidad mediante la pila
de combustible (pc). La funcion de coste del controlador trata
de minimizar el uso de cada subsistema de la microrred:
J=
24
hi =1
(2)
(3)
Pi (tk ) Pmax
|i=red,elz,pc,bat
Pmin
i
i
(4)
min
max
S OCbat
S OCbat (tk ) S OCbat
(5)
(6)
0 i (tk ) 1|i=elz,pc
(7)
(8)
Las relaciones logicas que se introducen pueden ser traducidas a inecuaciones usando las relaciones denidas en (Bemporad and Morari, 1999) que se introducen como restricciones del
controlador. Se detallan a continuacion las funciones de coste
que se emplean para resolver los distintos problemas.
5.2.1. Funcion de coste de la red
El coste de intercambio de energa viene dado por el precio
de la energa en el mercado diario DM , que es diferente en
compra y en venta. La potencia de venta a la red y la potencia
de compra a la red vienen denidos por las variables Pventa y
Pcompra
Jred =
24
MD
MD
(hi ) Pventa (hi ) + compra
(hi ) Pcompra (hi ) T s
venta
hi =1
(9)
CCbat
Pbat,car (hi ) T s bat,car
2 Ciclosbat
hi =1
24
(10)
2500
fv
(14)
Potencia (W)
10
tiempo (h)
15
20
x 10
Prediccin de precios
10
15
20
tiempo (h)
(16)
(17)
500
(15)
1000
(13)
cargas
-1500
Usando las leyes de Karnaugh, pueden ser denidas con las siguientes variables logicas:
oj f f (tk )
-P
aero
-1000
(12)
on
j (tk ) = j (tk ) ( j (tk1 ))| j=elz,pc
bat
P +P
-500
red
1500
+ Costapagado,pc
opcf f (hi )
PH2
2000
127
(18)
5.3.
Primera
Segunda
Tercera
Cuarta
Quinta
Sexta
Apertura
16.00h
21.00h
01.00h
04.00h
08.00h
12.00h
Horizonte
21-24h
1-24h
5-24h
8-24h
12-24h
16-24h
Schedule
28 h
24 h
20 h
17 h
13 h
9h
128
(19)
red (hi ) =
MD
(tk ) 0
Pred
MD
(tk ) = 0
Pred
1
0
(20)
(21)
SH
Jgrid (hi ) + Jbat (hi ) + Jelz (hi ) + J f c (hi )
(22)
hi =1
5.4.
3000
2500
Pintradiario
2000
Pdiario
Pbat
1500
Potencia (W)
RM
+ Jbat
(tk ) + JHRM
(tk )
2
Ptotal
grid
PH
PREDrem
1000
(23)
A continuacion se particulariza esta ecuacion para cada sistema de almacenamiento, ya que ahora las funciones objetivo son
distintas al problema previo.
5.4.1. Funcion de Coste de la Red
La funcion de coste de la red viene dada por el coste de la
penalizacion por desvo por encima o por debajo de lo planicado con el operador de mercado en el mercado de intradiario.
500
0
-500
-1000
-1500
0
10
tiempo (h)
15
20
MR
Jred
(tk ) =
j=18
j=1
MI
Pred (tk+ j ) Pred
(hi ) subir,reg (tk+ j )
MR
MI
ba
jar,reg (tk+ j ) Pred (tk+ j ) Pred (hi ) ba jar,reg (tk+ j )
(24)
MR
subir,reg (tk+ j )
Figura 11: Planicacion Mercado Intradiario
donde,
de coste.
1
0
0
ba jar,reg (tk ) =
1
subir,reg (tk ) =
MI
(Pred (tk ) Pgrid
(hi )) 0
MI
(Pred (tk ) Pred
(hi )) < 0
(25)
MI
(Pred (tk ) Pred
(hi )) 0
MI
(Pred (tk ) Pred
(hi )) < 0
(26)
j=18
f 2
w sc S OC sc (tk+ j ) S OC re
sc
JH2 (tk ) =
2
wH2 LOH(tk+18 ) LOH MM (tk+18 )
1
CCelz
j=18
6
Horaselz
j=1
+ Costencendido,elz on
elz (tk+ j )
+ Costapagado,elz oelzf f (tk+ j )
(27)
Jbat (tk ) =
2
IM
(tk+18 )
wbat S OCbat (tk+18 ) S OCbat
j=18
Pbat,dis (tk+ j )
CCbat
1
+
6 j=1 2 Cyclesbat
dis,bat
+Pbat,ch (tk+ j ) bat,ch
+ Cost startup,pc on
pc (tk+ j )
+ Cost shutdown,pc opcf f (tk+ j )
+Costdegr,pc 2pc (tk+ j )
5000
Pred
4000
Mercado Regulacin
Pbat
Psc
PH2
3000
Prem
PIM
red
2000
Potencia (W)
(29)
CC
pc
6
+
+ Costoym,pc pc (tk+ j )
Horas pc
j=1
1000
-1000
-2000
-3000
(28)
129
-4000
13.5
14
14.5
15
15.5
16
tiempo (h)
5.4.5. Resultados
El controlador MPC para el servicio de regulacion es el u ltimo nivel por encima de reparto de cargas en tiempo real. Se
ejecuta media hora antes de cada hora planicada con un horizonte de prediccion de 3 horas. Este corto horizonte propicia
la accion del supercondensador. Como se muestra en la gura
12, el algoritmo enva una referencia constante al electrolizador
para todos los instantes de trabajo, minimizando as los efectos de degradacion. Tambien se minimizan las desviaciones por
desvo as como la corriente de pico de carga en las bateras,
cuyo perl de carga es suave. El supercondensador se mantiene
sobre su SOC de referencia y tambien se sigue el nivel deseado de almacenamiento de hidrogeno (gura 14). Se observa por
tanto que el MPC disenado permite seguir las referencias planicadas a largo plazo ajustando las peticiones a los sistemas
130
SOCbat
SOCIM
bat
SOCuc
refuc
Estado de carga(%)
0.8
0.6
0.4
0.2
13.5
14
14.5
tiempo (h)
15
15.5
16
LOHIM
4.5
3.5
13.5
14
14.5
time (h)
15
15.5
16
6.
Lneas abiertas
Existen numerosas lneas abiertas relacionadas con el control de microrredes. En cuanto al control de variables electricas,
en la actualidad se estan dedicando esfuerzos al diseno de esquemas especiales de proteccion y sistemas de control que garanticen una operacion segura y economicamente eciente de la
microrred tanto en modo aislado como conectado a red, incluido el rediseno de los esquemas de proteccion al nivel de distribucion para tener en cuenta los ujos de energa bidireccionales. Pero es en la gestion y planicacion o ptimas de la microrred
en las distintas escalas de tiempo donde mas campos abiertos
existen. Uno de estos campos de interes esta relacionado con la
integracion de los vehculos electricos en las microrredes. Los
sistemas Vehculo a Red (Vehicle to Grid, V2G) consisten en
la utilizacion de las bateras de los coches electricos (incluyendo hbridos), durante los periodos en que e stos no se utilizan,
como almacenamiento de energa para una red electrica. Teniendo en cuenta el tamano actual del parque automovilstico y
que se preve un incremento progresivo del numero de vehculos electricos, la capacidad de almacenamiento de energa que
se puede disponer en un futuro mas o menos proximo es suciente para poder acercar de manera signicativa la oferta y
demanda en una microrred, y por tanto mejorar el comportamiento y la estabilidad del sistema electrico. Ademas, los sistemas V2G permiten plantear nuevos modelos de negocio donde
apareceran nuevos actores, como por ejemplo los Gestores de
Carga, que seran responsables de la infraestructura de recarga,
proporcionando servicio a los vehculos, vendiendo o comprando electricidad y estableciendo relaciones con los gestores de
la red. En relacion a ello, en los u ltimos anos han aparecido
en la literatura algoritmos de control para la carga de vehculos
electricos en redes, en los que por un lado se busca un servicio
o ptimo de recarga respetando las preferencias del conductor y
por otro lado garantizar el seguimiento de un determinado perl
de potencia en la red, considerando ademas diversas restricciones tanto en el vehculo, en la estacion de carga y en la red. En
(Deilami et al., 2011) (Richardson et al., 2012) se resuelve el
problema mediante algoritmos de optimizacion en tiempo real,
mientras que en (Giorgio et al., 2013) se presenta un algoritmo
basado en MPC. Tambien se han aplicado a la resolucion del
problema algoritmos distribuidos o jerarquicos (Bashash and
Fathy, 2011) (Fan, 2011) (Galus et al., 2010). En general, la
mayora de los algoritmos en la literatura estan centrados en
las interacciones entre los usuarios y la compana de suministro, que se resuelve principalmente mediante la resolucion de
algoritmos de optimizacion en tiempo real. Tambien resulta de
gran interes la gestion de las cargas de la microrred, en lo que
se denomina Gestion de la demanda(Demand Side Management, DSM) . En este sentido, resulta de interes disenar esquemas apropiados para que los consumidores puedan reaccionar
de forma activa a las necesidades de la red, desconectando o
disminuyendo la potencia de las cargas en determinados momentos. De esta forma, las variables de decision no son solo las
potencias de los DGs o el almacenamiento, sino que las cargas
pueden tambien manipularse en cierta medida. En este sentido, la microrred o algunos de sus elementos pueden considerarse tanto productores de energa como consumidores, ya que
pueden actuar de diversas maneras en diferentes instantes de
tiempo. Para designar esta gura, se ha acunado el termino prosumer, que sirve para denominar a agentes que pueden actuar
tanto como generadores (vendiendo energa cuando el precio
es elevado) o como consumidores (comprando cuando no hay
energa propia disponible). Al disponer de sistema de almacenamiento, el prosumer podra operar para satisfacer un objetivo economico, considerando tanto la prediccion de generacion
(asociada a pronosticos del tiempo en el caso de renovables)
como la situacion cambiante de los precios y las posibles restricciones del operador de la red electrica (Rigo-Mariani et al.,
2013). Esto abre nuevas posibilidades al desarrollo de algoritmos de optimizacion tanto para la planicacion diaria de las
microrredes como para la operacion en tiempo real. Relacionado con lo anterior, surge el paradigma de las Plantas de Potencia Virtuales(Virtual Power Plant, VPP), que son microrredes
Conclusiones
131
Keywords:Microgrids; renewable energy; model predictive control; energy management; electrical system
Agradecimientos
Los autores agradecen al Ministerio de Economa y Competitividad de Espana la nanciacion de parte de estos trabajos
mediante el contrato DPI2013-46912-C2-1.
Referencias
Alvial-Palavicino, C., Garrido-Echeverria, N., Jimenez-Estevez, G., Reyes, L.,
Palma-Behnke, R., 2011. A methodology for community engagement in the
introduction of renewable based smart microgrid. Energy for Sustainable
Development 15 (3), 314323.
Arora, P., White, R. E., Doyle, M., 1998. Capacity fade mechanisms and side reactions in lithium-ion batteries. Journal of the Electrochemical Society
145 (10), 36473667.
Barbir, F., 2005. Pem electrolysis for production of hydrogen from renewable
energy sources. Solar Energy 78 (5), 661669.
Bashash, S., Fathy, H., 2011. Robust demand-side plug-in electric vehicle load
control for renewable energy management. In: Proc. American Control Conference.
Bemporad, A., Morari, M., 1999. Control of systems integrating logic, dynamics, and constraints. Automatica 35 (3), 407427.
Bidram, A., Davoudi, A., 2012. Hierarchical structure of microgrids control
system. IEEE Trans on Smart Grid 3, 19631976.
Bidram, A., Lewis, F. L., Davoudi, A., 2014. Distributed control systems for
small-scale power networks. IEEE Control Systems Magazine 34 (6), 56
77.
Bilodeau, A., Agbossou, K., 2006. Control analysis of renewable energy system
with hydrogen storage for residential applications. Journal of Power Sources
162, 757764.
Bordons, C., Rosa, F., Valverde, L., 2012. Power management using model predictive control in a hydrogen-based microgrid. In: IECON 2012 - 38th Annual Conference on IEEE Industrial Electronics Society, Montreal.
Brabandere, K. D., Vanthournout, K., Driesen, J., Deconinck, G., Belmans, R.,
2007. Control of microgrids. In: Dept. of Electr. Eng., Katholieke Univ. Leuven, Leuven : Power Engineering Society General Meeting, IEEE.
Camacho, E. F., Bordons, C., 2010. Control predictivo: Pasado, presente y futuro. Revista Iberoamericana de Automatica e Informatica Industrial 1 (3).
Cargnelli, J., 2013. Recent advances in pem water electrolysis. First International Workshop on durability and degradation issues of PEM electrolysis,
Freiburg, Germany.
De Bruijn, F., Dam, V., Janssen, G., 2008. Review: durability and degradation
issues of pem fuel cell components. Fuel cells 8 (1), 322.
Deilami, S., Masoum, A., Moses, P., Masoum, M., 2011. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power
losses and improve voltage prole. IEEE Trans. on Smart Grid 2 (3).
Del Real, A., Arce, A., Bordons, C., 2007. Hybrid model predictive control of a
two generator power plant integrating photovoltaic panels and fuel cell. In:
Proceedings of 46th IEEE Conf. on Decision and Control.
Dondi, P., Bayoumi, D., Haederli, C., Julian, D., Suter, M., 2002. Network integration of distributed power generation. J. of Power Sources 106 (1), 19.
Dotsch, C., 2009. Energy storage. In: Technology Guide. Springer, pp. 362
367.
Fan, Z., 2011. A distributed demand response algorithm and its application to
phev charging in smart grids. IEEE Trans. on Smart Grid 3, 12801290.
Ferrari-Trecate, G., Gallestey, E., Letizia, P., Spedicato, M., Morari, M., Antoine, M., 2004. Modeling and control of co-generation power plants: a hybrid
system approach. IEEE Trans. on control systems technology 12 (5), 694
705.
Funabashi, T., Koyanagi, K., Yokoyama, R., 2003. A review of islanding detection methods for distributed resources. In: Proc. IEEE PowerTech Conf.
Galus, M. D., LaFauci, R., Andersson, G., 2010. Investigating phev wind balancing capabilities using heuristics and model predictive control. In: IEEE
Power and Energy Society General Meeting.
132
Garcia, F., Bordons, C., 2013a. Optimal economic dispatch for renewable
energy microgrids with hybrid storage using model predictive control. In:
Industrial Electronics Society, IECON 2013-39th Annual Conference of the
IEEE, Viena, Austria. pp. 79327937.
Garcia, F., Bordons, C., 2013b. Regulation service for the short-term management of renewable energy microgrids with hybrid storage using model predictive control. In: Industrial Electronics Society, IECON 2013-39th Annual
Conference of the IEEE, Viena, Austria. pp. 79627967.
Garcia, F., Bordons, C., 2014. Model predictive control based inverter for
energy storage integration in renewable energy microgrids. In: IEEE 11th
International Conference on Modeling and Simulation of Electric Machines,
Converters and Systems, (Electrimacs), Valencia, Espana.
Giorgio, A. D., Liberati, F., Canale, S., 2013. IEC 61851 compliant electric
vehicle charging control in smartgrids. In: 21st Mediterranean Conference
on Control and Automation (MED). Crete, Greece.
Gorgun, H., 2006. Dynamic modelling of a proton exchange membrane (pem)
electrolyzer. International journal of hydrogen energy 31 (1), 2938.
Greenwell, W., Vahidi, A., 2010. Predictive control of voltage and current in a
fuel cell-ultracapacitor hybrid. IEEE Trans. on Industrial Electronics 57 (6),
19541963.
Gu, W., Wu, Z., Yuan, X., 2010. Microgrid economic optimal operation of the
combined heat and power system with renewable energy. In: IEEE. Power
and Energy Society General Meeting.
Hajimiragha, A., Zadeh, M. R. D., 2013. Research and development of a microgrid control and monitoring system for the remote community of bella coola:
Challenges, solutions achievements and lessons learned. In: Proc. IEEE Internat. Conf. on Smart Energy Grid Engineer. (SEGE13).
Hakimi, S., Moghaddas-Tafreshi, S. M., Hassanzadehfard, H., Taylor, G. A.,
Alamuti, M. M., 2013. Optimization of a reliable combined cooling, heat
and power microgrid system. In: Industrial Electronics Society, IECON
2013-39th Annual Conference of the IEEE, Viena, Austria.
Hatziargyriou, N., Asano, H., Iravani, R., Marnay, C., 2007. Microgrids. IEEE
Power Energy Mag. 5 (4), 7894.
Holttinen, H., 2005. Optimal electricity market for wind power. Energy Policy
33 (16), 20522063.
Jiay, H., Chuanwen, J., Rongi, X., 2008. A review on distributed energy resources and microgrid. Renewable Sustainable Energy Rev. 12, 24722483.
Lasseter, R. H., 2002. Microgrids. IEEE Power Eng Soc Transm Distrib Conf,
3058.
Lidula, N., Rajapakse, A., 2011. Microgrids research: a review of experimental
microgrids and test systems. Renewable Sustainable Energy Rev 15, 186
202.
Lopes, J., Moreira, C., Madureira, A., 2006. Dening control strategies for microgrids islanded operation. IEEE Trans. Power Syst. 21 (2), 916924.
Lopes, J. P., Hatziargyriou, N., Mutale, J., Djapic, P., Jenkins, N., 2007. Integrating distributed generation into electric power systems: A review of drivers,
challenges and opportunities. Electric Power Syst. Research 77 (9), 1189
1203.
Maestre, J. M., Negenborn, R. R., 2014. Distributed Model Predictive Control
Made Easy. Springer.
Mojica-Nava, E., Macana, C. A., Quijano, N., 2014. Dynamic population games for optimal dispatch on hierarchical microgrid control. IEEE Trans. on
Systems, man and cybernetics 44 (3).
Negenborn, R. R., Houwing, M., Schutter, B. D., Hellendoorn, J., 2009. Model predictive control for residential energy resources using a mixed-logical
dynamic model. In: Networking, Sensing and Control, 2009. ICNSC09.
Nguyen, T. A., Crow, M. L., 2012. Optimization in energy and power management for renewable-diesel microgrids using dynamic programming algorithm. In: Proc 2012 IEEE International Conference on Cyber Technology
in Automation.
Ning, G., White, R. E., Popov, B. N., 2006. A generalized cycle life model of
rechargeable li-ion batteries. Electrochimica acta 51 (10), 20122022.
Olivares, D. E., Mehrizi-Sani, A., Etemadi, A. H., Canizares, C. A., Iravani,
R., Kazerani, M., Hajimiragha, A. H., Gomis-Bellmunt, O., Saeedifard, A.,
Palma-Behnke, R., Jimenez-Estevez, G. A., Hatziargyriou, N. D., 2014.
Trends in microgrid control. IEEE Trans on Smart Grid 5 (4).
Palizban, O., 2011. Active and reactive power control for a hybrid system with
photovoltaic panel, windturbine, fuelcells, electrolyzer and supercapacitor
in o-grid mode. In: IEEE international conference on control system, computing and engineering (ICCSCE).
Palizban, O., Kauhaniemi, K., Guerrero, J., 2004. Microgrids in active network management-part i: Hierarchical control,energy storage, virtual power plants, and market participation. Renewable and Sustainable Energy
Reviews.
Palma-Behnke, R., Benavides, C., Lanas, F., Severino, B., Reyes, L., Llanos,
J., Saez, D., 2013. A microgrid energy management system based on the
rolling horizon strategy. IEEE Trans. Smart Grid 4 (2), 9961006.
Pinson, P., Chevallier, C., Kariniotakis, G. N., 2007. Trading wind generation
from short-term probabilistic forecasts of wind power. Power Systems, IEEE
Transactions on 22 (3), 11481156.
Prodan, I., Zio, E., 2014. Model predictive control framework for reliable microgrid energy management. Electrical Power and Energy Systems 61, 399
409.
Richardson, P., Flynn, D., Keane, A., 2012. Optimal charging of electric vehicles in low-voltage distribution systems. IEEE Trans. on Power Systems 27,
268279.
Rigo-Mariani, R., Sareni, B., Roboam, X., 2013. A fast optimization strategy
for power dispatching in a microgrid with storage. In: Industrial Electronics
Society, IECON 2013-39th Annual Conference of the IEEE, Viena, Austria.
Salazar, J., Tadeo, F., Valverde, L., 2013. Predictive control of a renewable
energy microgrid with operational cost optimization. In: IECON 2013 - 39th
Annual Conference on IEEE Industrial Electronics Society, Viena, Austria.
Savaghebi, M., Vasquez, J. C., Jalilian, A., Guerrero, J. M., 2012. Secondary
control for compensation of voltage harmonics and unbalance in microgrids.
In: Power Electronics for Distributed Generation Systems (PEDG), 2012 3rd
IEEE International Symposium on. IEEE, pp. 4653.
Sikha, G., Ramadass, P., Haran, B., White, R., Popov, B. N., 2003. Comparison
of the capacity fade of sony us 18650 cells charged with dierent protocols.
Journal of power sources 122 (1), 6776.
Stewart, E., Lutz, A., Schoenung, S., Chiesa, M., Keller, J., Fletcher, J., Ault,
G., McDonald, J., Cruden, A., 2009. Modeling, analysis and control system
development for the italian hydrogen house. International journal of hydrogen energy, 16381646.
Suh, K. W., 2006. Modeling, analysis and control of fuel cell hybrid power systems. Department of Mechanical Engineering, The University of Michigan.
Ulleberg, O., 2003. The importance of control strategies in pv-hydrogen systems. Solar Energy, 323329.
Valverde, L., 2013. Gestion de Energia en Sistemas con Fuentes Renovables y
almacenamiento de energia basado en Hidrogeno Mediante Control Predictivo. Universidad de Sevilla.
Valverde, L., Rosa, F., Bordons, C., 2013a. Design, planning and management
of a hydrogen-based microgrid. Industrial Informatics, IEEE Transactions
on 9 (3), 13981404.
Valverde, L., Rosa, F., del Real, A., Arce, A., Bordons, C., 2013b. Modeling,
simulation and experimental set-up of a renewable hydrogen-based domestic
microgrid. Int J Hydrogen Energy 38 (27), 1167211684.
Vandoorn, T. L., Vasquez, J. C., Koonin, J. D., Guerrero, J. M., Vandevelde, L.,
2013. Microgrids. hierarchical control and an overview of the control and
reserve management strategies. IEEE industrial electronics magazine.
Vasquez, J., Guerrero, J., Miret, J., Castilla, M., Garcia, L., 2010. Hierarchical
control of intelligent microgrids. IEEE IEMagazine.
Wang, C., Nehrir, M., 2008. Power management of a stand-alone wind/ photovoltaic/fuel cell energy system. IEEE Trans. Energy Convers. 23 (3), 957
967.
William D. Stevenson, J., 1975. Elements of Power System Analysis. McGrawHill, New York.
Xie, L., Ilic, M. D., 2008. Model predictive dispatch in electric energy systems
with intermittent resources. In: Proc. IEEE Int. Conf. Systems, Man and
Cybernetics.
Xie, L., Ilic, M. D., 2009. Model predictive economic/environmental dispatch
of power systems with intermittent resources. In: Proc. IEEE Power and
Energy Society General Meeting.